Detector automático de franqueamiento de señal de maniobra para el sistema de transporte colectivo metro mediante algoritmos de visión artificial

Abstract

Debido a la gran cantidad de usuarios que atiende el Sistema de Transporte Colectivo (STC) y a la importancia que tiene este dentro de la población del área metropolitana, mantener e implementar sistemas de seguridad que garanticen la integridad de los usuarios y de la infraestructura del STC es una cuestión de primera necesidad. En los últimos años, los sistemas computacionales se han desarrollado de tal forma que cada vez realizan procesos más sofisticados, es por ello que su uso se ha expandido a muchas áreas. El campo de la Visión artificial ha permitido evolucionar varias ramas debido al procesamiento y tratamiento de imágenes, permitiendo obtener datos específicos sobre una imagen, y de esta forma tener un amplio análisis y diagnóstico sobre un objetivo en particular. La adquisición de las imágenes del tren es el inicio para realizar una serie de tratamientos en estas y de esta forma definir los filtros necesarios para lograr un buen algoritmo para la detección del tren y el reconocimiento de caracteres. El procesamiento de imágenes es el conjunto de técnicas que se aplican a las imágenes digitales con el objetivo de mejorar la calidad y facilitar la búsqueda de información. Cuando una imagen presenta características desfavorables que afectan el resultado, se realiza un proceso de filtrado, el cual es un conjunto de técnicas englobadas dentro de las etapas iniciales del procesamiento cuyo objetivo fundamental es obtener, a parte de una imagen origen, otra final con resultados más adecuados a la aplicación con la que se trabaja. En el presente proyecto se propone un sistema que como condición inicial permita detectar al tren que realice un franqueamiento a la señal de maniobra, una vez que se cumpla este requisito comienza la adquisición de la imagen correspondiente al frente del primer carro, tomando en cuenta que el formato es RGB (del inglés Red Green Blue) para después cortar la imagen a dimensiones más pequeñas tomando el área que contiene los valores de identificación del tren. Posteriormente se realiza la conversión de la imagen a valores binarios que es cuando ya se tiene en un solo plano. Cuando la imagen se encuentra binarizada se procede a encontrar y caracterizar los bloques, de tal forma que el siguiente paso permita eliminar los bloques que no tengan los valores de área establecidos. Finalmente la imagen filtrada será analizada por la función OCR (del inglés Optical Character Recognition) de Matlab para obtener la serie de tres dígitos que únicamente corresponden a valores numéricos del 0 al 9. Los resultados experimentales obtenidos muestran que el sistema propuesto presenta un acierto del 98%, tomando en cuenta que las condiciones fueron ideales.